万万没想到,高中生也开始学机器学习了?!

367 阅读5分钟

近年人工智能、机器学习相关技术已经多次刷新了人们对于「计算机能做什么」的认知,并在人机博弈、计算机视觉、生物特征识别、无人驾驶、医学诊断等应用领域取得突破性进展。机器学习这么火,那作为一名编程人员或者普通从业者,有没有必要转型机器学习呢?

有必要。但是我不是提倡盲目放弃本职工作转行去做深度学习,或者说人工智能。随着大数据的普及,机器学习特别是深度学习成为很多工程人员的进阶的方向。但任何技术都应当建立在实际业务需求之上。打个比方,我们不是要做机器学习里会前端开发的人,而应该成为前端开发里懂机器学习的人,这就是你的优势所在。


那么该怎么学?前段时间有个朋友找到我,“你是专业人士,帮我推荐下怎么入门机器学习”。这位朋友本职是前端开发,满打满算3年的工作经验,为了获得更多附加值,加入很多技术交流群,付费星球等等,也入手了很多“机器学习从入门到进阶资料”,目前自学了3个月的高数处在放弃的边缘。

机器学习开始大火,这让专业出身的我欣慰的同时,也替机器学习门外的人感到焦虑,因为他们正在按照我10年本科到博士全日制路子走,而且靠业余时间自学,这个难度可想而知。我想了下给了他下面两条建议:

1.别让网络上几百G的资料成为阻碍

我们在入门的时候通常会搜集海量的学习资料,比如“机器学习必读的100本pdf”“某某学院的内部资料”,“从入门到实战*百G资料”,然后踏踏实实地放进网盘里。但是90%的人在看着这些资料后感叹太多了,不知道从何处着手。所以真正一份好的入门教程比你搜集上千G的资料更重要。

2.放弃0基础入门,曲线突围

机器学习是一门融合概率论、线性代数、凸优化、计算机、神经科学等多方面的复杂技术。但撇开学术界需求,其实大部分人最终不会从事算法研究,而会奋斗在一线应用领域。数学理论学习在入门初期没那么必要,最好先从顶层框架上有个系统的认识,然后再从实践到理论,有的放矢的查缺补漏机器学习知识点。从宏观到微观,从整体到细节,更有利于机器学习快速入门!而且从学习的积极性来说,也起到了“正反馈”的作用。

这之后,我一直在思考,有没有一种可能,让所有人都能入门机器学习。经过3个月的搜集和筹备,我与菜鸟窝合作将自己从本科到硕士、博士以及执教以来的经验,融合进了这门机器学习基础课,给机器学习脱去复杂的公式外衣,从实战角度让机器学习变得不再呆板严肃。

我是Beck Wang,(博士)毕业于清华大学,主攻数据与人工智能方向,现于北京某重点大学担任讲师,曾在TKDE/ TKDD等国际一流期刊及IJCAI/AAAI等国际等级会议发表多篇论文,拥有多项专利技术曾就职于微软亚洲研究院和华尔街某基金公司,在人工智能领域拥有丰富的机器学习实践经验。


本门课程总计有10节41讲,系统地展示了机器学习需要掌握的理论知识,以人人都能理解的角度结合具体python例子,让学习者能使用机器学习算法来解决具体实际问题,并最终在实践中深入浅出的掌握机器学习基础理论,逆向思维实现机器学习0到1的突破。

1\深入浅出,高中毕业的数理基础就能上手

作为一套基础课程,它可能是目前全网最容易入门的机器学习基础课程,课程中没有复杂的公式推导和理论分析。当然你最好有一些编程人通用的“矩阵-向量”乘法知识。

2\学习主流机器学习开发语言python

python作为一种解释性语言,先天在人机交互上优于其它语言,而且它拥有大量开源框架,本课程将会让你提高python编程技能,灵活使用算法和调优模型。

3\理论结合实践,14个应用案例,23个编程示例

为了让技术与实际应用更紧密,本课程以案例驱动的方法,讲解机器学习基础、实用以及进阶等阶段的方法和技巧,涵盖了机器学习算法理论、模型调优、求解。

想要免费获得本次课程的视频和课件,可以勾搭助教weixin:BT474849 哦~